Un sondaj The Harris Poll pentru Collibra arată că 87% dintre companiile care folosesc agenți AI ard ore întregi re-verificând ce știe botul. Explicăm ce e o „fundație de date”, de ce o firmă de 5 oameni are aceeași problemă ca o corporație, și ce faci cu ea în două săptămâni.
Există o frază pe care o auzim des de la antreprenori: „Am încercat și noi cu AI. N-a mers.” Uneori urmează un exemplu: botul a trimis o ofertă cu prețul vechi, a răspuns unui client că „livrăm în 24 de ore” când firma nu mai livra deloc, sau a pus într-un raport cifre de vânzări care nu se potriveau cu ce era în bancă.
Săptămâna asta a apărut un sondaj care pune cifre pe fenomenul ăsta, din partea unor companii mult mai mari decât a ta, cu bugete de AI mult mai mari decât al tău. Concluzia lor e aceeași cu a noastră: nu AI-ul a dat greș. Datele pe care le-a primit erau proaste.
Ce spune sondajul
Pe 16 septembrie 2026, Collibra, o companie de guvernanță a datelor, a publicat rezultatele unui sondaj realizat de The Harris Poll între 5 și 11 august 2026, pe 306 decidenți din SUA: directori sau mai sus, în roluri de management al datelor, confidențialitate sau AI. Marja de eroare declarată e de plus/minus 6,4 puncte procentuale. CIO Dive a preluat studiul pe 17 septembrie.
Cifrele, în ordinea în care dor:
72% spun că inițiativele AI de azi livrează sub așteptări. Același procent, 72%, pune cauza principală a eșecului pe o fundație de date slabă sau nealiniată. În companiile cu venituri de peste 100 de milioane de dolari, procentul urcă la 96%.
87% spun că echipele lor „ard ore” re-verificând contextul pe care îl primesc agenții AI. Cu alte cuvinte: au construit botul, apoi au angajat oameni să verifice dacă botul știe ce trebuie.
76% au blocaje când încearcă să treacă de la un pilot (un test mic, controlat) la producție (botul rulează pe bune, pentru toți clienții).
51% raportează ore semnificative de personal consumate cu revizuirea manuală a output-ului agenților. În companiile mari, 64%.
Restul cifrelor sunt despre ce fac ei ca să repare: 53% au mutat funcția de AI mai aproape de organizația de date (62% în companiile mari), 84% au un responsabil executiv clar pentru output-uri greșite, 58% se concentrează pe responsabilitate internă pentru ce produce AI-ul, 51% investesc țintit în „lineage” și documentare de date, iar 90% se pregătesc pentru reglementări.
Felix Van de Maele, cofondator și CEO al Collibra, a rezumat-o așa: „ca să treacă de la piloți la producție la scara întregii companii, businessurile nu pot pur și simplu să instaleze modele mai deștepte; trebuie să construiască contextul și controlul potrivit direct în fluxurile de lucru.”
Graficul cu cifrele sondajului și tabelul celor trei modele urmează imediat după această secțiune.
CIO Dive adaugă un context care merită reținut: potrivit unui raport Google Cloud și MIT citat în articol, sistemele AI accesează în medie doar 45% din datele unei companii, și doar 50% dintre organizații au încredere în output-ul agenților lor. Adică jumătate din companii nu au încredere în boții pe care i-au plătit.
Ce înseamnă, de fapt, „fundație de date”
Termenul sună ca ceva de corporație, cu servere și departamente. Nu e. „Fundație de date” înseamnă trei lucruri simple, valabile și pentru o firmă cu un singur om.
Primul: definiții. Ce înseamnă „client activ” în firma ta? Cineva care a cumpărat în ultimele 12 luni? În ultimele 3? Cineva care a răspuns la un mesaj? Dacă tu ai un răspuns în cap, contabilul altul, iar CRM-ul are un câmp bifat după o a treia regulă, botul care primește sarcina „trimite oferta clienților activi” va alege una dintre cele trei. Cu încredere. Fără să te întrebe.
Al doilea: un singur loc de adevăr. Prețurile sunt în Excel-ul de pe laptop, în catalogul de pe site și în șablonul de ofertă din Word. Trei surse, trei versiuni, două dintre ele vechi. Botul nu are cum să știe care e cea bună. Omul nou angajat ar fi întrebat. Botul răspunde.
Al treilea: control. Ce se întâmplă când botul dă de ceva ce nu se potrivește? Se oprește și întreabă, sau merge mai departe? Cele 51% de companii care ard ore revizuind manual output-ul sunt companiile care n-au construit regula asta la început și acum plătesc pentru ea la sfârșit.
Analogia cea mai simplă: un bot fără fundație de date e un angajat nou, foarte capabil, foarte harnic, căruia îi spui în prima zi „sună clienții buni și fă-le oferta” și pleci în concediu. Va suna pe cineva. Va face o ofertă. Va fi convins că a făcut bine. Nu e vina lui.
De ce o firmă de 5 oameni are exact aceeași problemă
E tentant să citești sondajul și să spui: „ăștia au sute de baze de date, eu am un Excel”. Dar problema nu e volumul, e nealinierea. Și o firmă mică are date în cel puțin cinci locuri: telefonul (WhatsApp cu clienții), mailul, un Excel sau un CRM, contabilul și platforma de facturare, și site-ul sau paginile de social media. Fiecare are propria versiune a adevărului.
Ba mai mult, într-o firmă mică nealinierea e mai periculoasă, pentru că nu există departament de date care s-o prindă. Botul trimite oferta cu prețul greșit unui client premium, și tu afli când sună clientul.
Diferența dintre companiile din sondaj și tine e una singură: ei au bani să plătească oameni care verifică botul (cele 87%). Tu nu ai. Deci tu ai nevoie să faci fundația corect de la început, pentru că nu-ți permiți să repari după.
Trei feluri de a „pune AI” într-o firmă
Tabelul de mai jos e felul nostru de a vedea lucrurile. E orientativ, editorial, nu vine din sondaj.
Agenția clasică ține datele tale în mailuri și fișiere, la ea. Când pleci de la agenție, pleacă și istoricul. Definițiile nu există, se intuiesc. Eroarea se află peste o lună, din raport.
Tool-ul AI izolat, cel pe care l-ai abonat singur, are datele lui, separate de restul. Fiecare tool are alt „client bun”. Tu verifici fiecare răspuns, pentru că nimeni altcineva nu o face. Asta e, tradus la scara ta, situația celor 87%.
Ecosistemul AI pornește de la fundație: definițiile scrise o singură dată, datele într-un loc, un bot de verificare care se uită peste umărul celorlalți boți, și regula „la ceva neobișnuit, te oprești și ceri aprobare”. Costul tău de întreținere scade lunar, în loc să crească.
Exemplu ilustrativ: cabinetul care „a încercat AI”
Exemplul care urmează e ipotetic, construit ca să arate mecanismul.
Un cabinet de fizioterapie premium, trei terapeuți și o recepționeră, își ia un bot de răspuns la mesaje. În prima săptămână, botul răspunde unui pacient că prima ședință costă 200 de lei, pentru că așa scria pe site. Prețul se schimbase la 250 de lei de două luni, dar doar în lista de la recepție. Pacientul vine, plătește 250, se supără, lasă o recenzie. Proprietarul închide botul: „n-a mers”.
Aceeași situație, cu fundație. Înainte de bot, cabinetul face o listă cu 15 lucruri pe care le întreabă pacienții (prețuri, program, adresă, ce să aducă, cum anulează) și le scrie o singură dată, într-un document care e sursa de adevăr. Site-ul, botul și recepția citesc din același loc. Botul are o regulă: dacă întrebarea nu e în listă, spune „vă răspunde recepția în 30 de minute” și trimite mesajul omului. Prima săptămână trece fără incidente. După o lună, lista are 40 de întrebări și botul răspunde la 80% din mesaje singur. Recepționera nu mai verifică ce spune botul; verifică doar mesajele pe care botul le-a trimis la ea.
Diferența dintre cele două scenarii nu e tehnologia. E cele două ore de la început în care cineva a scris lista.
Ce poți face diferit, concret, în două săptămâni
Săptămâna 1: fă inventarul. O foaie cu coloanele: ce dată (prețuri, clienți, program, stoc, servicii), unde stă acum, cine o schimbă, cât de veche e. Vei găsi cel puțin trei date care există în două locuri cu valori diferite. Alege pentru fiecare un singur loc de adevăr.
Săptămâna 2: scrie definițiile. Zece termeni pe care îi folosești zilnic, cu o singură definiție fiecare: client activ, lead calificat, comandă finalizată, ofertă valabilă, urgent. Un paragraf fiecare. Documentul ăsta e primul lucru pe care îl primește orice bot pe care îl construiești, și primul lucru pe care îl cerem noi la orice client nou.
Abia după: primul bot. Pe un singur proces, cu regula de oprire scrisă de la început.
Cum poți fi cu un pas înainte
Cifra de 87% din sondaj e, citită invers, cea mai bună veste posibilă pentru o firmă mică. Companiile mari au construit boții înainte de fundație și acum plătesc oameni să-i verifice. Tu nu ai construit încă nimic. Poți face ordinea corectă: fundație, apoi bot. Și ajungi, cu trei oameni, la un nivel de încredere în output pe care jumătate din corporațiile din sondaj nu-l au.
Următoarea dată când cineva îți spune „am încercat AI și n-a mers”, întreabă-l de unde lua botul prețurile.
Concluzie
Sondajul Collibra nu spune că AI-ul dă greș. Spune că 72% din cei care au încercat au dat vina, corect, pe date. Că 87% plătesc acum pentru verificare ce n-au plătit pentru pregătire. Și că 76% nu reușesc să iasă din faza de test.
Modelul vechi era: cumperi tool-ul, îl pornești, vezi ce iese. Modelul care funcționează e: scrii ce știe firma ta, o singură dată, apoi construiești boții pe fundația aia. Nu e mai lent. E singurul care nu se prăbușește la prima ofertă trimisă cu prețul greșit.
Notă înainte de publicare: toate procentele din sondaj (72%, 87%, 76%, 51%, 64%, 96%, 53%, 62%, 84%, 58%, 90%, 51% lineage), eșantionul de 306 respondenți, perioada 5–11 august 2026 și marja de ±6,4 puncte provin din comunicatul Collibra / PR Newswire din 16 septembrie 2026; cifrele de 45% și 50% sunt atribuite de CIO Dive unui raport Google Cloud / MIT și ar trebui verificate la sursa primară înainte de publicare. Tabelul „trei modele” și exemplul cabinetului sunt editoriale, nu date din sondaj.
Surse:
